曲大鵬，楊 文，楊 越，程天放，吳思錦，王興偉

1(遼寧大學(xué) 信息學(xué)院，沈陽 110036 2(東北大學(xué) 計算機科學(xué)與工程學(xué)院，沈陽 110819)

1 引 言

由于具有資源共享和提供連通性等特點，互聯(lián)網(wǎng)在人們生活和科研等工作中扮演著越來越重要的角色.隨著通信技術(shù)的快速發(fā)展和網(wǎng)絡(luò)應(yīng)用的多樣化，互聯(lián)網(wǎng)逐漸從早期以主機為中心模式發(fā)展為面向內(nèi)容模式[1].例如，絕大多數(shù)數(shù)據(jù)密集型產(chǎn)業(yè)服務(wù)遷移到網(wǎng)絡(luò)，互聯(lián)網(wǎng)成為儲藏數(shù)據(jù)的工具；數(shù)字編碼技術(shù)使得網(wǎng)絡(luò)傳輸?shù)膬?nèi)容由早期文本發(fā)展到圖片、音頻和視頻等多媒體文件.因此，網(wǎng)絡(luò)的主要功能已經(jīng)由點對點通信變?yōu)榱藘?nèi)容分發(fā)，原本以TCP/IP (Transmission Control Protocol/ Internet Protocol)架構(gòu)為核心的網(wǎng)絡(luò)模型很難適應(yīng)這種變化，許多研究組織提出了發(fā)展內(nèi)容中心網(wǎng)絡(luò)(Information Centric Networking，ICN).通過在網(wǎng)絡(luò)層命名信息，ICN架構(gòu)內(nèi)置緩存，為終端用戶提供有效的內(nèi)容分發(fā)，已經(jīng)成為未來互聯(lián)網(wǎng)研究中熱點[2].

當(dāng)前，未來互聯(lián)網(wǎng)的研究主要有以下幾個代表性工作.來自美國加州大學(xué)洛杉磯分校的Content-Centric Networking (CCN)和其后繼Named Data Networking (NDN)*http://named-data.net/，來自歐盟的FP7(Seventh Framework Programme for Research)工程的PSIRP (Publish-Subscribe Internet Routing Paradigm)和其后繼PURSUIT(Publish-Subscribe Internet Technology)*http://www.fp7-pursuit.eu/PursuitWeb/，來自日本的新一代網(wǎng)絡(luò)R&D工程中的GreenICN工程*http://www.greenicn.org/.在上述工作中，NDN不僅保留了TCP/IP架構(gòu)的細腰模型，而且通過將命名數(shù)據(jù)放在細腰重塑了互聯(lián)網(wǎng)架構(gòu)，因此獲得廣泛關(guān)注，也是本文工作的基礎(chǔ)架構(gòu).

NDN通過Interest包和Data包來完成內(nèi)容的請求和回應(yīng).具體流程為：源節(jié)點發(fā)出內(nèi)含所需內(nèi)容名的Interest包，其它節(jié)點在收到Interest包后檢查自己的CS(Content Store)，如果有相應(yīng)內(nèi)容，則直接回應(yīng)內(nèi)含具體內(nèi)容的Data包；否則查看PIT(Pending Interest Table)，如果內(nèi)容名在PIT中，說明最近剛處理過相應(yīng)請求，尚未收到結(jié)果，則記錄新Interest包的進入接口后丟棄，等收到相應(yīng)Data包后，再向所有相應(yīng)接口進行轉(zhuǎn)發(fā)；否則通過查找FIB(Forwarding Information Based)進行最長前綴匹配來確定下一跳節(jié)點[3].

雖然，NDN具有如緩存和內(nèi)置多播等諸多特性，但還需深入研究.例如，緩存特性使得NDN能夠緩存收到的內(nèi)容，從而節(jié)點能夠直接響應(yīng)后繼收到的Interest包，進而縮短路徑長度和提高傳輸效率.但由于節(jié)點的緩存空間有限，目前經(jīng)典的處處緩存(Leave Copy Everywhere，LCE)，即cache everything everywhere，造成嚴重的緩存冗余和頻繁緩存替換.因此需要設(shè)置一個合適的緩存策略.

本文設(shè)計了一種NDN中的節(jié)點緩存策略，每個節(jié)點通過自身收發(fā)Interest包情況來分別計算主觀視角下的每類內(nèi)容流行和偏好，得到每類內(nèi)容的基本緩存優(yōu)先級，從而在收到Data包后，結(jié)合內(nèi)容大小評估來計算具體內(nèi)容的緩存優(yōu)先級，進行緩存和執(zhí)行相應(yīng)緩存替換策略.這種更側(cè)重節(jié)點主觀的內(nèi)容流行無需節(jié)點間頻繁通信開銷，而且兼顧偏好的特性更符合節(jié)點局部視角，從而能夠具有更高的緩存命中率和更低的緩存替換率.

2 相關(guān)工作

緩存策略使得節(jié)點能夠通過緩存內(nèi)容直接響應(yīng)后繼收到的相同請求，從而提高響應(yīng)效率，受到了相關(guān)研究人員的廣泛關(guān)注[4].由于信息中心網(wǎng)絡(luò)的分布式結(jié)構(gòu)，很難采用集中式管理架構(gòu)模式，節(jié)點往往通過自身信息判斷是否緩存經(jīng)過的內(nèi)容，因此，NDN中采用的最經(jīng)典的緩存策略是LCE，即Data包在返回過程中在經(jīng)過的每個節(jié)點處都要緩存，這不僅導(dǎo)致網(wǎng)絡(luò)中出現(xiàn)大量冗余內(nèi)容，而且受節(jié)點緩存空間限制，會頻繁發(fā)生緩存替換.文獻[5]提出了一種概率緩存策略(Leave Copy Probability，LCProb)，即Data包在返回途中以一定概率緩存.兩種緩存策略雖然簡單易行，但缺乏對于內(nèi)容和節(jié)點特性的分析.

為降低緩存冗余，提高內(nèi)容多樣性，顯然需要在緩存節(jié)點間進行有效協(xié)同，根據(jù)其復(fù)雜性，可大致分為顯式協(xié)同和隱式協(xié)同[6].前者需要了解內(nèi)容訪問模式和節(jié)點緩存等具體信息，通過復(fù)雜計算來確定節(jié)點緩存策略，可進一步分為全局協(xié)同、路徑協(xié)同和鄰域協(xié)同.其中，全局協(xié)同需要對網(wǎng)絡(luò)整體拓撲結(jié)構(gòu)等詳細信息具有深入了解.例如，文獻[7]定義了度中心性、緊密中心性和介數(shù)中心性，以分別衡量節(jié)點的鄰居個數(shù)、與其它節(jié)點的緊密程度和控制信息傳輸?shù)哪芰Γ瑥亩M量將內(nèi)容緩存在網(wǎng)絡(luò)拓撲的關(guān)鍵節(jié)點上；路徑協(xié)同是指在Data包從響應(yīng)節(jié)點到請求節(jié)點的傳輸路徑上的節(jié)點進行協(xié)同決策，例如協(xié)同沿路緩存[8]中的Interest包會沿途收集節(jié)點狀態(tài)和請求頻率等信息，響應(yīng)節(jié)點據(jù)此計算出優(yōu)化的緩存位置和相應(yīng)的替換對象，這種方式需要Interest包收集大量信息，不僅造成額外開銷，而且泄露節(jié)點存儲信息，不適合未來高安全性需求；鄰域協(xié)同是指在節(jié)點的鄰域范圍內(nèi)顯式地進行緩存放置協(xié)作.例如，文獻[9]通過運行一個后臺程序來定期地或事件觸發(fā)地清理鄰域范圍內(nèi)的冗余緩存內(nèi)容.顯式協(xié)同方式雖然降低了內(nèi)容在全局、路徑或鄰域范圍內(nèi)的緩存冗余度，有助于提高整體效用，但需要提前知道緩存節(jié)點的狀態(tài)信息和用戶對內(nèi)容的請求頻率等信息，而且計算方式比較復(fù)雜，易造成大量額外開銷，更不利于安全性保障.隱式協(xié)同緩存策略是指每個節(jié)點無需了解其他節(jié)點的信息或只需要交互很少的信息就能自主決定是否緩存，更適合NDN環(huán)境.前面分析的LCE和LCProb都屬于隱式協(xié)同緩存策略.

近年來，對于緩存策略的研究有兩個方向非常值得注意：內(nèi)容流行度和自私緩存[10].其中，基于內(nèi)容流行度的緩存策略通過緩存網(wǎng)絡(luò)中流行的內(nèi)容來降低網(wǎng)絡(luò)流量和減少時延[11].文獻[12]提出一種基于流行度的協(xié)作緩存策略，利用全局流行信息來調(diào)整緩存放置策略，以在具有多個網(wǎng)關(guān)的網(wǎng)絡(luò)服務(wù)供應(yīng)商間和多路徑路由中降低供應(yīng)商間的流量和內(nèi)容訪問時延.文獻[13]將垂直請求路徑上的冗余消除和水平局域范圍內(nèi)的內(nèi)容放置相結(jié)合，分別提出基于最大內(nèi)容活躍因子的路徑緩存策略和基于一致性Hash協(xié)同緩存的局域定向存儲策略，從而提高緩存命中率.文獻[14]提出了一種基于流行度的鄰居協(xié)作緩存策略，通過計算數(shù)據(jù)傳輸代價，將內(nèi)容緩存在流行度最大節(jié)點或鄰居協(xié)作緩存節(jié)點，并記錄鄰居節(jié)點緩存內(nèi)容，從而降低數(shù)據(jù)傳輸代價和提高鄰域緩存空間利用率.自私緩存是指隨著認知論的不斷發(fā)展，人們不再默認網(wǎng)絡(luò)中節(jié)點都是合作的，而是承認節(jié)點的自私性，只有當(dāng)對自身有益時，節(jié)點才會與其他節(jié)點協(xié)作.文獻[15]采用組密鑰加密來控制群組間數(shù)據(jù)獲取，從而解決自私緩存問題.

由于節(jié)點空間受限，因此當(dāng)緩存空間已滿，但節(jié)點又需緩存新內(nèi)容時，需要設(shè)計緩存替換算法.其中，最近最少使用(Least Recently Used，LRU)和最不經(jīng)常使用(Least Frequently Used，LFU)是應(yīng)用最廣的兩種替換算法，前者替換最近一段時間內(nèi)最長時間沒有使用的內(nèi)容，后者替換最近一段時間內(nèi)使用次數(shù)最少的內(nèi)容.為盡量減少替換次數(shù)和重要內(nèi)容不會輕易被替換出去，研究者們往往聚焦于內(nèi)容流行度和優(yōu)先級.例如，文獻[16]在CS中加入一個內(nèi)容流行表以存儲緩存命中率和內(nèi)容流行度等信息，使得節(jié)點能夠周期性地計算內(nèi)容流行度，從而替換出流行度最低的內(nèi)容，但該策略需要消耗大量資源去維護內(nèi)容流行表.文獻[17]通過特定的名字前綴來識別全域范圍內(nèi)的優(yōu)先級，進而實現(xiàn)高效內(nèi)容分發(fā).文獻[18]周期性計算CS緩存表中緩存內(nèi)容的動態(tài)流行度與請求代價的加權(quán)值，一方面基于該值進行緩存替換，另一方面根據(jù)該值進行內(nèi)容分類，執(zhí)行區(qū)分化緩存策略.

從上述分析可以看出，由于能直接反映內(nèi)容未來一段時間內(nèi)被緩存的概率，因此內(nèi)容流行性受到了廣泛關(guān)注，但一方面現(xiàn)有方法，如文獻[12-14]往往試圖著眼全局因此導(dǎo)致開銷增加和計算復(fù)雜，而且全局流行并不意味著局部一定流行；另一方面，考慮節(jié)點主觀偏好能夠促進節(jié)點合作，一定程度上解決節(jié)點自私問題.因此，本文通過節(jié)點自己收發(fā)Interest包情況從節(jié)點局部視角考慮內(nèi)容流行和主觀偏好從而判斷每類內(nèi)容的基本緩存優(yōu)先級，不僅計算簡單，無需額外開銷，而且更能體現(xiàn)內(nèi)容在節(jié)點的未來緩存概率，又適度解決了節(jié)點自私問題.最后，在每類內(nèi)容的基本緩存優(yōu)先級上加入內(nèi)容大小的評估從而得到每個具體內(nèi)容的存儲優(yōu)先級，以作為緩存和替換的依據(jù).

3 緩存策略

3.1 基本思想

我們首先應(yīng)用NDN的層次命名機制來表示內(nèi)容和內(nèi)容類型，con_k_l表示內(nèi)容，CCon_k表示內(nèi)容類型，con_k_l∈CCon_k；其次應(yīng)用內(nèi)容流行來反映網(wǎng)絡(luò)中內(nèi)容被需求情況，為降低節(jié)點周期交流造成的開銷，我們統(tǒng)計節(jié)點收到的Interest包以計算每類內(nèi)容的被請求比例來反映其局部視角下的流行性；再次應(yīng)用節(jié)點偏好來反映自身對不同內(nèi)容類型的喜愛程度，我們統(tǒng)計節(jié)點發(fā)送的Interest包(節(jié)點相連的終端主機發(fā)送的內(nèi)容請求)以計算每類內(nèi)容的請求比例來反映其偏好；然后將內(nèi)容流行和節(jié)點偏好結(jié)合起來表征不同類型內(nèi)容在節(jié)點處的緩存基本優(yōu)先級，使得不僅能夠通過緩存流行內(nèi)容來提高節(jié)點緩存效率，而且能夠通過滿足偏好來促進節(jié)點合作；最后結(jié)合內(nèi)容大小評估來計算具體內(nèi)容在節(jié)點處的緩存優(yōu)先級，從而使得當(dāng)收到Data包時能夠準確判斷節(jié)點是否緩存以及如何替換.

3.2 參數(shù)定義

3.2.1 內(nèi)容流行

為方便計算，我們應(yīng)用節(jié)點收到的來自其它節(jié)點的對某一類內(nèi)容的Interest包數(shù)量與其收到的所有Interest包數(shù)量的比值來表征流行度，如公式(1)所示：

(1)

3.2.2 節(jié)點偏好

我們應(yīng)用節(jié)點發(fā)出的對某一類內(nèi)容的Interest包數(shù)量與其發(fā)出的所有Interest包數(shù)量的比值來表征其偏好度，如公式(2)所示：

(2)

3.2.3 緩存基本優(yōu)先級

通過上述分析，我們設(shè)定緩存基本優(yōu)先級由內(nèi)容流行和節(jié)點偏好共同決定，如公式(3)所示：

caprCCon_k(vi)=wpo×poCCon_k(vi)+wpr×prCCon_k(vi)

(3)

其中，caprCCon_k(vi)表示CCon_k類型內(nèi)容在節(jié)點vi處的緩存基本優(yōu)先級，wpo和wpr分別表示內(nèi)容流行和節(jié)點偏好的權(quán)重，且0<=wpo，wpr<=1，wpo+wpr=1.顯然該類內(nèi)容在網(wǎng)絡(luò)中越流行，節(jié)點對其越偏好，則該類內(nèi)容在節(jié)點處越應(yīng)該被緩存.

3.2.4 內(nèi)容大小評估

我們應(yīng)用內(nèi)容大小表征其在緩存中占據(jù)的空間.為降低內(nèi)容大小對于緩存的影響和保證大內(nèi)容也有一定的存儲機會，我們引入如公式(4)所示的評價函數(shù)來計算具體內(nèi)容大小評價值.

cscon_k_l(vi)=

(4)

其中，cscon_k_l(vi)表示節(jié)點vi對內(nèi)容con_k_l大小size(con_k_l)的評價值，csL和csH是內(nèi)容大小的最低和最高閾值，可根據(jù)節(jié)點緩存空間自行設(shè)定，hcs是一個很小的正小數(shù)，表示當(dāng)節(jié)點大小超過閾值上限時的評價值.

3.2.5 緩存優(yōu)先級

我們在緩存基本優(yōu)先級和內(nèi)容大小評估基礎(chǔ)上設(shè)計緩存優(yōu)先級以反映具體內(nèi)容con_k_l在節(jié)點vi處存儲的優(yōu)先級別，如公式(5)所示：

caprcon_k_l(vi)=caprCCon_k(vi)×cscon_k_l(vi)

(5)

3.3 緩存策略

3.3.1 緩存優(yōu)先級更新

為及時更新反映節(jié)點對網(wǎng)絡(luò)的局部視角，我們設(shè)定定期更新機制，在每個更新周期(update_circle)結(jié)束，節(jié)點更新其保存的每類內(nèi)容的流行度和偏好度，以及緩存基本優(yōu)先級，如公式(6)所示，以保證緩存策略的正確執(zhí)行.

(6)

3.3.2 緩存策略

節(jié)點在運行前分配好緩存區(qū)域，因此當(dāng)收到Data包，并且自身不是發(fā)出相應(yīng)Interest包節(jié)點時，需要執(zhí)行緩存策略，即首先判斷該內(nèi)容的緩存優(yōu)先級是否超過閾值，如果沒有超過閾值，則放棄存儲；如果超過且緩存有足夠空間，則直接存儲；否則，執(zhí)行緩存替換策略，即根據(jù)公式(5)計算得到的緩存優(yōu)先級，按從小到大順序在緩存內(nèi)搜索低于新到內(nèi)容緩存優(yōu)先級的那些內(nèi)容，直到找到的內(nèi)容大小總和超過新內(nèi)容，將它們清除以存放新內(nèi)容，如果找不到則意味著需要將某些緩存優(yōu)先級更高的內(nèi)容替換出去才能放入新內(nèi)容，代價太高，放棄存儲.顯然，在需要執(zhí)行緩存替換策略時，本算法需要在一定范圍內(nèi)按優(yōu)先級從小到大順序依次累加，直到能為新到內(nèi)容準備出足夠空間.考慮到內(nèi)容緩存優(yōu)先級和大小實際情況，在絕大多數(shù)情況下，該算法涉及的內(nèi)容規(guī)模較小，效率較高.詳細過程如算法1所示，其中輸入是收到的Data包和緩存CS，輸出是新緩存CS*.

算法1.caching strategy

Input：CS，Data;

Output：CS*

1：Calculatecaprcon_k_l(vi)of Data packets;

2：if(caprcon_k_l(vi)≥caprth)then

3：if(there is enough space in CS)then

4：Cache contentcon_k_l;

5：else

6：forthe cached contents from small to large order of prioritythen

7：ifthe priority of the current content is smaller thancaprcon_k_l(vi)then

8：ifthe sum of the size of all contents is larger than size(con_k_l)then

9：Replace these contents with contentcon_k_l;

10：Break;

11：endif

12：else

13：Break;

14：endif

15：endfor

16：endif

17：endif`

在算法1中，line 1表示計算收到的Data包中的內(nèi)容的緩存優(yōu)先級；lines 3-4表示如果節(jié)點緩存足夠，則直接緩存；lines 6-15表示按緩存優(yōu)先級從小到大的順序搜索內(nèi)容，如果在優(yōu)先級小于新內(nèi)容的內(nèi)容中找到的內(nèi)容大小總和高于新內(nèi)容，則執(zhí)行緩存替換，否則放棄本次緩存.本算法最壞情況下的時間復(fù)雜度為O(N)，其中N表示節(jié)點內(nèi)已存儲內(nèi)容數(shù)量，而在普通情況下的時間復(fù)雜度為常數(shù)O(K)，即節(jié)點只需將緩存優(yōu)先級最小的幾個內(nèi)容替換出去即可緩存新到內(nèi)容.

4 仿真實驗

4.1 實驗設(shè)置

我們應(yīng)用linux 4.10.8-1下的gcc 6.3.1來模擬實現(xiàn)本文提出的結(jié)合內(nèi)容流行和節(jié)點偏好的緩存機制(Cache strategy based on Content Popularity and Node Preference，CCPNP).拓撲結(jié)構(gòu)分別為中國的CERNET2(20節(jié)點，22條邊)、美國的ITC Deltacom(97節(jié)點，121條邊)、歐洲的GTS CE(130節(jié)點，166條邊)和OTEGlobe(61節(jié)點，69條邊)4，具體如圖1所示.為便于分析，我們設(shè)定26種Interest包類型，并遵循zipf分布，同時引入“單位時間”的概念，每個節(jié)點在每個單位時間內(nèi)發(fā)送1個Interest包.

圖1 網(wǎng)絡(luò)拓撲圖

評價參數(shù)分別為緩存命中率(Cache Hit Rate)、緩存替換率(Cache Replacement Rate)和平均請求距離(Average Request Distance).其中，緩存命中率是指節(jié)點從緩存中獲取到內(nèi)容的次數(shù)占獲取內(nèi)容總次數(shù)的百分比；緩存替換率是指緩存時發(fā)生替換的次數(shù)占緩存次數(shù)的百分比；平均請求距離是指從發(fā)出Interest包的節(jié)點到返回Data包的節(jié)點的平均距離(以跳數(shù)為單位).

實驗中相關(guān)參數(shù)分別設(shè)置為：α=0.75，wpo=0.5，wpr=0.5，update_circle=20單位時間.

表1 仿真實驗參數(shù)設(shè)置

4.2 實驗結(jié)果及分析

在圖2中，我們比較CCPNP和LCE、LCProb在四個不同拓撲下的緩存命中率，橫坐標(biāo)為每個節(jié)點平均發(fā)送的Interest包總數(shù)，縱坐標(biāo)為不同緩存策略的緩存命中率.顯然，隨著節(jié)點發(fā)出的Interest包數(shù)量的增加，網(wǎng)絡(luò)中返回的Data包數(shù)量也相應(yīng)增加，因此三種不同策略的緩存命中率都呈增加趨勢.

圖2 緩存命中率比較

其中，由于考慮了內(nèi)容流行和節(jié)點偏好，CCPNP的命中率顯然遠高于采取處處緩存方式的LCE和采取概率處處緩存的LCProb.由于采取概率緩存的方式，LCProb的命中率略高于完全緩存的LCE.

4http://www.topoloty-zoo.org/dataset.html

值得注意的是，由于CERNET2中只有20個節(jié)點，低于OTEGlobe的61個節(jié)點，更低于ITC Deltacom的97個節(jié)點和GTS CE的130個節(jié)點，使得在每個節(jié)點發(fā)出的Interest包數(shù)量相等的情況下，相應(yīng)Data包從回應(yīng)節(jié)點到請求節(jié)點的路徑經(jīng)過的節(jié)點數(shù)量較少，被緩存的數(shù)量相應(yīng)較小，所以CCPNP、LCE和LCProb的緩存命中率按從小到大的順序依次為CERNET2、OTE Globe、ITC Deltacom和GTS CE.過低的節(jié)點數(shù)量也使得在Interest包數(shù)量比較少的時候，LCE在CERNET2中取得了比LCProb略好的緩存命中率.

圖3 緩存替換率比較

圖3顯示的是四種不同拓撲下三種策略的緩存替換率，可以看出，CCPNP的性能遠遠低于LCE和LCProb，原因是首先CCPNP在執(zhí)行緩存策略時考慮了內(nèi)容流行性和節(jié)點偏好性，從而盡量存儲那些在未來更容易被請求的內(nèi)容和更被自己喜歡的內(nèi)容，可以以更大概率直接響應(yīng)未來收到的Interest包，避免潛在的緩存替換操作；其次，CCPNP在執(zhí)行緩存策略前有一個閾值判斷過程，這使得一些優(yōu)先級極低的內(nèi)容不會被緩存，進一步降低了未來發(fā)生替換的概率；最后，CCPNP考慮內(nèi)容大小，合理降低了一些占據(jù)空間過大的內(nèi)容被緩存的概率，綜上，CCPNP在每個拓撲上都取得了非常低的緩存替換率.

圖4 平均請求距離比較

為進一步展現(xiàn)緩存策略對于網(wǎng)絡(luò)性能的影響，特別是對于網(wǎng)絡(luò)流量的影響，我們在四種不同拓撲下比較了三種緩存策略的平均請求距離，如圖4所示，CCPNP的性能低于LCE和LCProb，這是因為CCPNP能更好地協(xié)調(diào)內(nèi)容的緩存位置和節(jié)點的緩存內(nèi)容，更有效地利用節(jié)點的緩存空間.為更好地進行比較，我們還加入了無緩存機制Non-Cache，可以看出當(dāng)節(jié)點沒有緩存機制時，平均請求距離值最大，因為節(jié)點只能從原持有節(jié)點處獲取請求內(nèi)容.雖然，LCE和LCProb的緩存機制效率較低，但畢竟能夠在內(nèi)容持有節(jié)點到請求節(jié)點的路徑上進行相應(yīng)緩存操作，因此較Non-Cache機制降低了平均請求距離.

5 總 結(jié)

針對現(xiàn)有NDN緩存機制存在嚴重緩存冗余，基于全局流行度的緩存機制需要大量協(xié)助開銷，以及節(jié)點自私等問題，本文為NDN設(shè)計了一個節(jié)點主觀視角下結(jié)合內(nèi)容流行和自身偏好的緩存策略，通過對內(nèi)容類型的流行度和節(jié)點偏好來表征不同內(nèi)容類型在節(jié)點處的緩存基本優(yōu)先級，進一步結(jié)合內(nèi)容大小評估來表征具體內(nèi)容在節(jié)點處的緩存優(yōu)先級.實驗結(jié)果表明該緩存策略比主流的LCE和LCProb具有更高的緩存命中率、更低的緩存替換率和更短的請求距離.

在未來工作中，我們一方面將引入其它協(xié)同方法以通過節(jié)點間的交互來強化節(jié)點對于全局內(nèi)容流行的深入挖掘，并對取得性能和協(xié)同交互所需代價之間進行深入權(quán)衡分析；另一方面在節(jié)點偏好研究基礎(chǔ)上，通過引入信任模型來解決存在自私節(jié)點的NDN網(wǎng)絡(luò)環(huán)境中節(jié)點合作緩存問題.